Algoritmo de aprendizaje profundo que puede predecir la luz verde para los ciclistas

Investigadores de la Universidad de Oregon en los EE. UU. Continúan realizando una encuesta realizada durante las dos primeras fases y proponen un modelo de inteligencia artificial que puede ayudar a los ciclistas a cruzar la frontera en un carril bici.

Con la ayuda de una aplicación móvil, los conductores de estos vehículos pueden recibir información sobre su velocidad para poder llegar al siguiente semáforo en la siguiente intersección a tiempo.

Proporcionar información anticipada en el semáforo para ciclistas.

Esta aplicación, llamada FastTrack, fue desarrollada y probada en las primeras etapas de un proyecto de investigación. El software permite a los ciclistas comunicarse de forma pasiva con las señales de tráfico mientras circulan en carriles para bicicletas con mucho tráfico en Eugene, Oregon, donde comienza la primera prueba de esta fase.

“El objetivo primordial es permitir que los ciclistas utilicen las intersecciones marcadas por la ciudad de manera segura y más eficiente. El proyecto actual intenta utilizar dos algoritmos de aprendizaje profundo, LSTM y 1D CNN, para resolver el problema de la predicción de series de tiempo. El objetivo es utilizar un formato de serie temporal específico. Predecir la próxima fase del siguiente semáforo sin registros históricos de las fases anteriores. Nos alientan los resultados "Comentado por el Director de Investigación, Dr. Stephen Fickas Aprobado...

En las primeras fases de este trabajo, Fikas y su c-team implementaron con éxito un sistema de hardware y software patentado llamado Bike Connect, que permite a los ciclistas viajar con las manos libres para estar informados antes de los próximos eventos. En los semáforos, si sigue los consejos proporcionados, use su velocidad y dirección para aumentar la posibilidad de que el semáforo se ponga verde cuando llegue.

Argumentan que dos algoritmos de aprendizaje automático integrados en el sistema más adelante en el estudio han tenido buenas experiencias de predicción de series de tiempo: una red neuronal convolucional unidimensional (CNN 1D) y un modelo de memoria a corto plazo (LSTM).

Al evaluar los resultados, los investigadores pudieron predecir el siguiente nivel con una precisión de aproximadamente el 85% para cada algoritmo de pronóstico de series de tiempo.

La aplicación FastTrack requiere una fuente en tiempo real de las señales de tráfico que se acercan a lo largo de la ruta del conductor, y se requiere el Sistema de gestión de tráfico (TMS) para garantizar el uso sin problemas de la aplicación FastTrack en el futuro.

Este es otro proyecto prometedor y estamos dando el primer paso. Los detalles más científicos y técnicos de la propuesta se pueden encontrar en elementos Publicado por el Instituto Nacional de Transporte e Investigación Pública, también integra archivos en Google Colab como un archivo adjunto para ver el código en detalle y proporcionar comentarios a sus desarrolladores.